“机器学习基石”笔记.pdf

【机器学习基石】课程概述 该课程是Coursera平台上由国立台湾大学的林轩田教授主讲的机器学习入门课程，重点在于理论和思想，而非具体的算法实现。课程共分为8周，涵盖四大主题：何时使用机器学习、为什么机器可以学习、机器如何学习以及如何让机器学习更优秀。课程结构清晰，每大块内容细分为多个小节，便于深入理解。 1. 机器学习问题 - 课程简介：简述课程目的和内容。 - 什么是机器学习：机器学习被定义为计算机通过数据和计算获取技能的过程，与生物学习类似但基于数据。技巧包括预测和识别等能力。 - 使用机器学习的原因：在大量数据、复杂规则定义和快速决策需求等场景下，人类无法胜任，机器学习提供了解决方案。 - 机器学习的关键要素：存在模式可改进、规则不易定义、需要数据支持。 2. 机器学习的应用 - 机器学习被广泛应用于日常生活的各个领域，如金融、医疗、交通、娱乐等，有着广阔的市场前景。 3. 机器学习的组成部分 - 这一部分是课程的核心，阐述了机器学习的基本组成： - 输入（Input）：x代表用户信息，如银行申请信用卡的客户数据。 - 输出（Output）：y表示结果，如银行是否批准信用卡申请。 - 目标函数（Target Function）：f是理想的决策规则，未知但我们要找到它。 - 数据（Data）：D为历史记录，用于训练模型。 - 假设（Hypothesis）：g是通过学习得到的近似目标函数的模型。 4. 机器学习的简单流程 - 通过流程图直观展示机器学习过程，即从大量数据中学习到接近目标函数的假设模型。 课程通过实际案例和概念解释，引导学生逐步建立对机器学习的理解，不仅强调理论基础，还关注其在实际问题中的应用。对于初学者，这是一门很好的入门课程，能够帮助他们建立起对机器学习的基本认知，并为后续深入学习打下坚实基础。